2026/8/29

服务突然消失、六位数账单、交付 H.264 而非 EXR：制片方为什么把生成模型搬到自己的硬件上

有趣的网络

由 35 家参与方签署的行业公开信《Open-Weights and American AI Leadership》——签署方包括 Nvidia、Microsoft、Meta、IBM 和 Hugging Face——让关于开放权重的争论重新回到议程上。信的作者谈的是可获取性、竞争，以及通过社区公开检验模型来实现安全。而在电影与视觉特效制作现场，这场争论是另一副样子：在那里，评价一个模型要看它能不能活到项目交付、反复使用它要花多少钱，以及它以什么格式交出画面。

fxguide 与生成式流程和色彩科学顾问 JD Vandenberg 一起梳理了这个问题的实务面，后者此前在 Disney 和 Netflix 工作过。结论归结为：开放权重给制片方带来版本稳定性、对素材的掌控、有上限的成本，以及把生成环节嵌入既有流程的可能，代价是技术专长和自建基础设施。

Исчезающие сервисы, шестизначные счета и H.264 вместо EXR: почему студии переносят генеративные модели на своё железо — 用开放模型 Z-Image-turbo（开放的 Diffusion Transformer）在本地生成的图像。图片：Jack Higgins / fxguide

模型可能在制作中途消失

在制作环境里，软件不会无缘无故升级——可预测性比新功能更重要。生成模型遵循另一套规则：更新频繁，不打招呼，也没有完整的变更清单。如果服务商不提供带版本的快照，而你又没有锁定某个具体版本，那么用同样的输入和同样的种子得到的画面、视频或声音都可能发生变化。

最坏的情况是服务一夜之间关停。Critterz 项目遇到的正是这种事：OpenAI 在 3 月关掉了 Sora 应用和网页服务之后，该项目错过了原定的戛纳首映，联合制片方不得不另找 AI 合作伙伴，上映推迟到 2027 年初。同一份公告也终结了 Disney 宣布向 OpenAI 投资 10 亿美元以及与之相关的三年角色授权协议的故事——这笔交易公开了三个月，最终始终没有落定。

内容安全挡住了把源素材送上外部云的路

如今的制作网络是分段的，出站流量受 MPA 和 TPN 要求的严格管控。把源素材发给托管模型、再把结果取回来，等于恰好在内容安全所要守住的那些屏障上打通了一条通道。走这条通道的是尚未上映的素材，而法律协议起的是事后赔偿的作用，不是管控的作用。到了某个环节，总得有人确认服务商的基础设施能不能守住这类素材：要么出钱做审计，要么去相信一家从没做过审计的供应商。制片方是有这套机制的——但通过 TPN 评估的生成式服务供应商屈指可数。本地模型即使在完全隔离的网络里也能运行，不用把数据交给第三方。

本地方案也有另一面，fxguide 并未回避。ComfyUI 尽管优点很多，仍然是风险来源：攻击者既可能把病毒或蠕虫塞进程序自身的代码，也可能通过开放的插件生态混进来，而代码量之大已超出内部 IT 部门自行审计的能力。VFX 领域的安全人员默认把开放的生成式构建视为敌对的——尤其是当艺术家使用自己的设备和自行下载的工具时。替代做法是自己动手，用经过验证的开源库搭建一套可信方案。

迭代的账单无法提前算出

生成式制作是迭代式的，模型要试多少次才能命中需求，目前还预测不了。2024 年多伦多团体 Shy Kids 用 Sora 制作的短片 Air Head 很能说明问题：后期制作总监 Patrick Cederberg 估计，最终成片中约 90 秒是从“数百次 10—20 秒的生成”中长出来的，他给出的素材与成片之比约为 300:1。他自己也指出这个计算是粗略的，几个数字之间对不太上，但即使按保守估计也超过 80:1。在真人电影里，10:1 到 30:1 被视为正常，而且有经验的团队能事先估出这个比例。

截至 2026 年 8 月，API 资费大致维持在每秒输出 0.05 至 0.75 美元的区间。一分钟成片的成本，就是每秒的价格乘以一个很难预测的系数。软件业已经撞上过这一点：6 月，旧金山一家金融科技公司的一名员工在开发一款游戏时，一周烧掉了价值 81,267 美元的 token。在生成式媒体里，同样的循环是在明显更高的单次迭代价格上运转的。设定支出上限只是把问题挪个位置：计数器会在交付当天的某一集中途停下，团队不是在打磨镜头，而是在深夜协调追加预算。本地硬件的花费就是那么多，无论你拍了十条还是一万条。

H.264 对 EXR：格式对不上

生成式服务交出来的东西与后期流程能接收的东西之间的落差，首先卡在格式上。多数视频模型输出 H.264：8 比特、4:2:0、display-referred，多半是 sRGB。没有 alpha、没有深度、没有 cryptomatte、没有场景线性数据，倒是留下了能挺过后续任何调色的色带。Cederberg 指出，Sora 根本不允许渲染遮罩或深度这类附加通道，而 Shy Kids 是全部以 480p 生成，再用第三方工具放大的。

VFX 的交付一般是 EXR：一张 4K 的 half-float 三通道画面未压缩约 53 MB，每帧 200 MB 的多层 EXR 也很常见，也就是说，一个两分钟的镜头按每秒 24 帧计要 576 GB。在这样的体量下，云端存储和出站流量会变成一项开支，传输时间则会变成排期上的限制。放在别人云上的模型交出的是服务商伺候起来更便宜的格式；放在自己硬件上的模型则可以塞进自家的色彩管线，让它写出流程真正读得进去的东西。业界正在解决这个问题，但差距目前还很大。

硬件制片方早已拥有——只需把它转向另一项任务

多数视频模型都会推出蒸馏版或量化版，单台工作站就能跑。趋势对制片方有利：量化和蒸馏拉低显存需求的速度，快过参数量增长把它推高的速度。Vandenberg 在一块 RTX 5090 上运行当下多数开放视频模型的量化版和蒸馏版——那是一块拥有 32 GB 显存的消费级显卡。在高端，配 96 GB 的 RTX PRO 6000 Blackwell 零售价约 13,250 美元，刚上市时要便宜不少。

最关键的是，制片方、VFX 公司和后期机构本来就握有可观的 GPU 算力。渲染农场和 GPU 工作站群早已买下——剩下的只是把它们转到另一种负载上。装着多块显卡、跑 FilmLight Baselight 或 Blackmagic DaVinci Resolve 的调色师工作站，在工作时间之外是闲置的，而它恰好适合做推理。

由此还引出最难展示的那项收益——集成。自家的模型可以从 Nuke 的节点或 Resolve 的插件里调用，任务可以发到同一个渲染管理器，用和本片其他渲染相同的队列、优先级和日志，色彩可以在 OCIO 配置或 ACES 流程里描述一次，而不必逐个片段去猜，版本可以在同一套资产管理系统里维护。托管 API 也能写脚本调用，但它始终待在流程之外。

开放权重还不等于开源

在把制作建立在这之上以前，得先把许可证弄清楚。开放权重意味着参数可以下载，但并不保证你有权对模型做微调、分发它，或把结果用于商业交付。通常意义上的开源，指的是 OSI 类型的许可证，允许研究、修改和分发源码。当前用于视频和声音的开放模型散落在这条谱系上：一部分采用 Apache 2.0，一部分采用带使用限制的社区许可证，至少有一个要求另行签订商业协议，还有一些只允许非商业用途。一个在禁止商业使用的许可证下能出好画面的模型，是不能放进交付的，而 conform 阶段是做出这种发现的昂贵地点。

这一领域领先的开放模型大多是在美国之外做出来的，而对开放权重的监管眼下正在变化。由此得出一条实用建议：把你真正在用的权重存档，而不是在任务启动的那一刻才从模型仓库上去拉。

这场讨论为什么偏偏在此时开始

媒体制作领域关于开放权重的争论，多半是多种原因累积成熟的结果，而这封信只是它最表面的一层。通过 API 提供的封闭模型不会消失：本地运行并不简单，也远不是每个团队都值得自己扛起一套基础设施。但在制片方这边，好几个因素凑到了一起：GPU 短缺和涨价的内存，使得一部分中型公司无论如何都要上云；因服务关停而中断的项目积累下来的经验；以及制作的运作方式与面向消费者的 AI 服务的运作方式之间的差别。

在这样的背景下，开源软件世界里那种熟悉的混合模式可能会增多：权重免费提供，钱则从支持服务、商业许可和运维上收。对小团队来说，这意味着更低的入门门槛；对大机构来说，则意味着有机会把生成环节重新纳入自己的质量与安全管控。最难受的将是那些既不愿接受行业审计、也无法保证版本不变的封闭服务供应商。

资源

保存

5186 23

792

投票： 5